💬 NLP

RELOOP: Recursive Retrieval with Multi-Hop Reasoner and Planners for Heterogeneous QA

RELOOP 提出了一种基于分层序列（HSEQ）的结构感知框架，通过递归检索与多跳推理机制，将文本、表格和知识图谱统一线性化，在引导式预算感知迭代中高效收集证据并解决矛盾，从而在异构数据源的多跳问答任务中显著提升了准确率与效率。

原作者： Ruiyi Yang, Hao Xue, Imran Razzak, Hakim Hacid, Flora D. Salim

发布于 2026-02-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Ruiyi Yang, Hao Xue, Imran Razzak, Hakim Hacid, Flora D. Salim

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一个名为 RELOOP 的新系统，它旨在解决当前人工智能（AI）在回答复杂问题时遇到的一个核心痛点：“既想答得准，又怕跑得太慢或太贵”。

为了让你轻松理解，我们可以把 RELOOP 想象成一位**“超级侦探”**，而它的工作流程就像是在一个巨大的、混合了各种档案的图书馆里寻找真相。

1. 以前的侦探（传统 AI）遇到了什么麻烦？

在 RELOOP 出现之前，AI 侦探主要有两种工作模式，但都有缺陷：

模式一：一次性浏览（Single-pass）
- 比喻：侦探拿到问题后，只允许快速扫一眼图书馆的目录，然后凭直觉猜答案。
- 问题：如果问题很简单（比如“今天天气怎么样”），这很快。但如果问题很复杂（比如“谁写了那本启发了 2004 年某部俄罗斯电影的科幻小说？”），侦探往往找不到完整的证据链，容易答错或产生幻觉（瞎编）。
模式二：疯狂乱跑的多智能体（Uncontrolled Agentic）
- 比喻：侦探为了找答案，派出了无数个分身，在图书馆里到处乱窜，翻遍每一本书、每一张表格、每一个关系网。
- 问题：虽然可能找到答案，但太慢了，而且太费钱（消耗大量计算资源）。有时候侦探会陷入死循环，或者翻了一堆没用的书，最后累垮了也没找到重点。

此外，图书馆里的资料格式五花八门：有纯文字（小说）、表格（财务报表）、知识图谱（人物关系网）。以前的侦探需要换不同的“眼镜”才能看不同的资料，效率很低。

2. RELOOP 是怎么工作的？（核心创新）

RELOOP 引入了一个全新的**“侦探工作法”**，它由三个关键部分组成，我们可以用三个生动的角色来比喻：

第一步：整理档案室（HSEQ - 统一序列）

比喻：以前，文字、表格和关系网是三种完全不同的文件，侦探得分别去查。RELOOP 发明了一种**“万能翻译器”**。
做法：它把所有资料（文字段落、表格行、知识图谱的连线）都重新整理成一种统一的、有层级结构的“长卷轴”。
- 就像把散乱的纸张、Excel 表格和关系图，全部装订成一本有目录、有页码、有父子层级关系的超级大书。
- 好处：侦探现在只需要看这一种格式的书，不用换眼镜了。而且，这个卷轴是可逆的，随时能还原回原始文件，保证证据来源清晰。

第二步：聪明的探长与助手（Head Agent & Iteration Agent）

这是 RELOOP 最精彩的部分，它把“找证据”变成了一个有计划的、受控的迭代过程。

探长（Head Agent / Planner）：
- 角色：他是那个**“出谋划策”的。在开始行动前，他先分析问题，制定一个“寻宝地图”**。
- 作用：他会告诉助手：“别乱跑！先去找关于 2004 年俄罗斯电影的信息，再找那部电影的原著小说，最后找作者。”
- 关键点：他还会设定**“停止信号”**。一旦证据够了，就喊停，绝不浪费时间在无关紧要的地方。
助手（Iteration Agent）：
- 角色：他是那个**“执行者”**。他拿着探长的地图，在“万能卷轴”上一步步地翻找。
- 做法：他不像以前那样漫无目的地翻，而是**“按图索骥”**。
  - 如果看到一段文字很有用，他会顺着“父子关系”去翻它的前后文（比如从段落翻到句子）。
  - 如果看到表格里的一个数字很有用，他会顺着“行列关系”去查整行数据。
- 关键点：他每翻几页，就会问探长：“现在的证据够回答问题了吗？”如果够了，立刻停止；如果不够，继续找下一块拼图。

第三步：证据打包与最终判决（Canonicalization & Answer）

比喻：当助手收集到足够的证据碎片后，RELOOP 不会直接把一堆乱糟糟的纸条给大模型。
做法：它会把证据**“标准化打包”。就像侦探把找到的关键证物（时间、地点、人物、原文片段）整理成一份清晰的、带编号的档案袋**。
最终判决：大模型（Head）只看这份整理好的档案袋，就能给出精准的答案。如果发现证据之间有矛盾，它还会启动一个**“复核程序”**，再花一点点时间把矛盾解开。

3. 为什么 RELOOP 很厉害？（三大优势）

通吃所有格式（格式无关性）：
- 不管问题是关于文字、表格还是复杂的关系网，RELOOP 都用同一套“万能卷轴”和同一套“侦探逻辑”来处理。不需要为每种数据类型单独训练一个模型。
省钱又省时（预算感知）：
- 它不像以前的系统那样“死磕”到底。它知道什么时候**“见好就收”**。只要证据够了，它就立刻停止搜索。这大大减少了计算时间和金钱成本，同时保证了准确率。
可追溯、不瞎编（证据可审计）：
- 每一个答案背后，都有清晰的“证据链”。你可以看到 AI 是根据哪一段文字、哪一行表格得出的结论。如果 AI 答错了，人类可以很容易地检查是哪里出了问题，而不是面对一个黑盒。

4. 总结

简单来说，RELOOP 就是把 AI 回答复杂问题这件事，从**“盲目扫射”变成了“精准狙击”**。

它不再是一次性猜答案，也不是无休止地乱翻书。
它像一位经验丰富的老侦探：先制定计划，然后有步骤地、有节制地收集证据，一旦证据链完整，立刻结案。

这种方法让 AI 在处理多步骤、跨格式（文字 + 表格 + 图表）的复杂问题时，既答得更准，又跑得更快、更省钱。

RELOOP 论文技术总结

1. 研究背景与问题定义

检索增强生成（RAG）技术虽然显著提升了大语言模型（LLM）回答的准确性，但在处理多跳推理（Multi-hop Reasoning）和异构数据源（Heterogeneous Data Sources）（如纯文本、表格、知识图谱）时仍面临严峻挑战。现有方法主要存在以下三个核心痛点：

单次检索覆盖不足 (Coverage in Single-pass Retrievers)： 传统的“检索 - 生成”流水线难以追踪完整的证据链。密集检索器通常缺乏路径覆盖能力，分块（Chunking）策略会破坏长文档的语篇连贯性，而长上下文提示则会导致预算浪费且缺乏明确的“充分性”信号。
不可控的迭代与延迟 (Uncontrolled Iteration)： 现有的多智能体（Multi-agent）系统虽然能进行多步推理，但往往导致搜索空间爆炸、重复调用工具、思维链（CoT）过于冗长，造成不可预测的 Token 消耗和延迟。终止条件通常基于启发式规则，容易导致过早回答或无效循环。
异构格式的不兼容性 (Heterogeneity)： 文本、关系表格和知识图谱通常需要不同的索引、检索器和提示策略，难以复用统一的策略，且现有的异构 RAG 系统往往在序列化过程中丢失了数据的可逆性和来源（Provenance）信息。

2. 核心方法论：RELOOP 框架

RELOOP (Recursive Retrieval with Multi-Hop Reasoner and Planners) 是一个**结构感知（Structure-aware）**的框架，旨在通过统一的接口和受控的迭代过程解决上述问题。其核心架构包含三个关键模块：

2.1 统一的可逆结构化解析 (HSEQ-Adapter)

RELOOP 提出了一种**分层序列（Hierarchical Sequence, HSEQ）**表示法，将异构数据（文本、表格、KG）线性化为一个可逆的序列。

结构标签： 每个数据片段（Segment）被标记为轻量级的结构标签（如段落、句子、表格行、三元组），并包含父级指针（Parent Pointer）和元数据（如坐标、偏移量、模式信息）。
可逆性： 这种表示法保留了原始数据的结构信息和来源证明（Provenance），使得从序列中可以无损地重建原始文档或表格。
统一接口： 无论数据源是文本、表格还是 KG，都被转换为同一类型的分段序列，使得单一策略可以跨模态操作。

2.2 引导式、预算感知的迭代 (RELOOP-Iterator)

检索过程被重构为一个受预算约束的引导式迭代过程，而非单次检索。

引导先验 (Guidance Prior)： 由 Head Agent 或启发式模板生成简短的“引导计划”（Guidance Plan），指明首先探索的区域、扩展规则（如父/子节点、行列邻居、KG 关系）以及停止条件。
迭代策略 ( $\pi_\theta$ )： 迭代智能体在 HSEQ 序列上执行受控的窗口化操作。在每一步中，它根据当前状态选择最 promising 的片段（Top-k），并预测当前收集的证据是否**充分（Sufficiency Prediction）**以回答问题。
预算控制： 整个过程受 Token、工具调用次数和延迟预算的限制。一旦预测到证据充分或预算耗尽，迭代即停止。

2.3 证据规范化与答案合成 (RELOOP-Head)

证据规范化 (Canonicalization)： 选定的证据片段被打包成一个紧凑的、保留来源信息的“证据包”（包含 ID、层级、偏移量、片段内容）。
答案合成： Head Agent 仅基于这个规范化的证据包生成最终答案。
可选的 refinement 循环： 如果检测到矛盾，系统可触发一次简短的 refinement 循环，在收紧引导和减少预算的情况下重新迭代。

3. 关键贡献

统一且可逆的结构化解析： 提出了 HSEQ 表示法，标准化了文本、表格和 KG 的表示，支持单一解析器跨格式操作，同时保留了数据的可重建性和来源证明。
引导式、预算感知的迭代： 引入了显式的“充分性信号”（Sufficiency Signal），使计算集中在实际检查的证据上，在保持准确性的同时显著降低了不可预测的延迟和 Token 消耗。
规范化的证据包： 通过紧凑的证据包设计，提高了答案合成的可靠性和可审计性（Auditability），并支持基于矛盾检测的可选细化。

4. 实验结果

RELOOP 在多个异构基准测试中进行了评估，包括：

HotpotQA (纯文本多跳)
HybridQA / TAT-QA (表格 + 文本)
MetaQA (知识图谱)

主要发现：

性能提升： 在 EM（精确匹配）和 F1 分数上，RELOOP 一致性地超越了强基线模型（包括单步 RAG、多跳 RAG 以及现有的多智能体 RAG 系统）。例如，在 MetaQA-3Hop 上，RELOOP 达到了 93.4% 的准确率，显著高于 AdaptiveRAG (84.5%) 和 ToG (81.1%)。
效率优势： 相比于 ToG（Think on Graph）等需要大量扩展步骤（平均 11-17 步）的方法，RELOOP 将迭代步骤控制在 3-5 步左右，延迟降低了 50% 以上。
消融实验： 证明了所有组件的必要性。去除微调（w/o SFT）或引导（w/o guidance）会导致性能显著下降，但即使仅使用启发式引导，性能仍优于纯 LLM 方法。
效率与准确性的权衡： 实验展示了不同模型组合（如小参数迭代器 + 大参数 Head）可以在保持高准确率的同时实现低延迟，提供了可控的权衡点。

5. 意义与结论

RELOOP 为异构问答任务提供了一种新的范式。它不再依赖黑盒式的单次检索或无约束的代理循环，而是通过结构感知和显式的充分性判断，实现了检索过程的可控性、可解释性和高效性。

通用性： 单一策略即可处理多种数据模态，降低了跨领域部署的复杂性。
可审计性： 通过保留证据的来源和结构，使得模型的回答更加透明和可信。
资源效率： 在有限的 Token 和延迟预算下，实现了多跳推理能力的最大化，为实际工业应用中的 RAG 系统提供了重要的优化思路。

该工作表明，通过精心设计的数据结构和受控的迭代策略，可以在不牺牲准确性的前提下，显著提升 RAG 系统的效率和鲁棒性。代码已开源。